Confidence, Connection, and Comfort
Notice bibliographique
Résumé
The computer science education community has long strived to create more equitable opportunities for students, such as initiatives to foster inclusion of women and other people from historically marginalized groups in CS. Despite these efforts, the gender gap has persisted, with less than a quarter of CS Bachelor's degrees awarded to women in the United States in 2019. As a community, we must strive to improve women's experiences in CS. This paper describes work conducted at a large research university which has traditionally offered CS1 through lecture sections ranging in size from 400-650 students. In Fall 2019, we offered an alternative small all-women's class (35 students) in addition to the traditional lecture class (601 students; 149 women). Both classes covered the same CS concepts but were led by different instructors. Students reported on their experience through a survey administered at the end of the semester. Students in the all-women's class reported significantly greater social connections and comfort collaborating with their peers compared to women in the traditional class. They also reported significantly greater feelings of support within their class, more confidence in their CS knowledge, and a more welcoming classroom environment compared to women in the traditional class. Additionally, the drop rate for students in the all-women's class was significantly lower (5.7%) than the drop rate for women in the traditional class (24.8%). In light of these positive results, we provide actionable insights for CS educators and discuss how to better support women in their CS endeavors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».